先决条件: 扎实的量子计算、机器学习背景

您将学到什么

• 量子核方法

  分析并实施用于分类和回归任务的高级量子核方法。

• 量子神经网络

  设计并评估量子神经网络（QNN）的不同架构。

• 用于机器学习的变分量子算法

  实施并优化用于机器学习应用的变分量子算法（VQA），如 VQE 和 QAOA。

• 量子数据编码

  评估并应用将经典数据编码到量子态的复杂技术。

• 量子测量策略

  分析不同测量方案对QML模型性能的影响。

• 硬件感知型QML

  理解在近期量子硬件上实现QML算法的挑战与策略。

• 高级优化技术

  应用专为QML模型定制的高级经典和量子优化技术。